本书全面系统地梳理了基于文本理解的智能问答技术，涵盖从传统方法到现代深度学习技术的发展历程，重聚焦于文本问答任务中的关键技术和前沿问题。 本书涉及智能问答不同领域的多种创新性技术，既有智能问答的背景、技术挑战及前沿问题的解读，又有技术实现和应用的具体指导，读者可以全方位掌握智能问答领域的重要研究问题与技术。 本书注重理论与实践结合，通过清晰的结构和易于理解的语言，力求帮助不同层次和需求的读者快速掌握该领域的核心内容。无论是学术研究人员、研究生还是工程师，都可以从本书中获得学术或技术方面的启发。
售 价：¥
纸质售价：¥55.30购买纸书
6.5
温馨提示：数字商品不支持退换货，不提供源文件，不支持导出打印
为你推荐
前折页
书名页
版权
前言
第1章 智能问答概述
1.1 引言
1.2 智能问答简史
1.3 智能问答系统的分类
1.4 本章小结
第2章 基于文本理解的智能问答中的关键技术
2.1 文本理解的相关技术
2.1.1 机器阅读理解
2.1.2 知识问答
2.1.3 答案选择
2.1.4 知识库的引入
2.1.5 提示学习
2.2 视觉与语言多模态学习
2.2.1 注意力机制
2.2.2 多模态融合
2.2.3 图像-文本跨模态预训练
2.3 视觉问答
2.3.1 视觉问答方法
2.3.2 场景文本视觉问答
2.4 本章小结
第3章 基于多域检索和融合的文本问答方法
3.1 引言
3.2 方法概述
3.3 查询处理
3.3.1 查询精简
3.3.2 查询扩增
3.4 检索
3.4.1 查询似然模型
3.4.2 顺序依赖模型
3.4.3 字段顺序依赖模型
3.4.4 随机性临近散度模型
3.5 多模式策略组合
3.6 实验验证
3.6.1 数据集和评价指标
3.6.2 实验设置
3.6.3 不同模型组合对模型性能的影响
3.6.4 与前沿方法的对比实验
3.6.5 与医学问答系统的对比实验
3.6.6 实验结果分析
3.7 本章小结
第4章 基于偏序关系排序的文本问答方法
4.1 引言
4.2 候选项与候选项模型
4.3 用于答案选择的多任务学习
4.4 实验验证
4.4.1 数据集和评价指标
4.4.2 实验设置
4.4.3 WikiQA上的性能比较
4.4.4 TREC-QA上的性能比较
4.4.5 Insurance QA上的性能比较
4.4.6 BioASQ上的性能比较
4.4.7 变体方法对比实验
4.5 本章小结
第5章 基于文本阅读理解的场景文本视觉问答方法
5.1 引言
5.2 文本阅读理解
5.2.1 图片处理
5.2.2 问题理解
5.2.3 场景文本和目标理解
5.2.4 关系推理
5.3 答案预测
5.3.1 答案候选项生成
5.3.2 答案语义匹配
5.3.3 语义推理
5.4 实验验证
5.4.1 数据集和评价指标
5.4.2 文本和目标检测识别模型
5.4.3 不同模块对模型性能的影响
5.4.4 OCR准确率对性能的影响
5.4.5 与前沿方法的对比实验
5.4.6 关键模块对答案预测的影响
5.4.7 定性样例分析
5.5 本章小结
第6章 基于对比学习语义补齐的场景文本视觉问答方法
6.1 引言
6.2 场景文本对比学习
6.2.1 OCR文本语义表示
6.2.2 OCR文本增强
6.2.3 多模态融合
6.2.4 OCR文本和单词对比学习
6.2.5 损失函数
6.3 答案预测
6.4 实验验证
6.4.1 数据集和评价指标
6.4.2 与前沿方法的对比实验
6.4.3 不同OCR文本语义表示的对比实验
6.4.4 各个模块对模型性能的影响
6.4.5 不同来源答案预测的对比实验
6.4.6 ST-VQA数据集预测结果的对比分析
6.4.7 TextCaps数据集的对比实验和结果展示
6.5 本章小结
第7章 基于先验知识的场景文本视觉问答方法
7.1 引言
7.2 先验知识检索和验证
7.2.1 OCR文本相关实体查询
7.2.2 问题相关先验知识检索
7.2.3 基于提示学习的先验知识验证
7.3 先验知识融合推理
7.3.1 场景文本和先验知识对齐
7.3.2 多模态融合推理
7.4 答案预测
7.5 实验验证
7.5.1 与前沿方法的对比实验
7.5.2 不同提示模板预测准确率的对比
7.5.3 各个模块对模型性能的影响
7.5.4 不同数据子集的对比实验
7.5.5 KgMr预测结果的对比分析
7.6 本章小结
第8章 总结与展望
8.1 研究总结
8.2 未来展望
参考文献
后折页
买过这本书的人还买过
读了这本书的人还在读
同类图书排行榜
购物车
个人中心
